ΠΕΡΙΕΧΟΜΕΝΑ. 1.1 Εισαγωγή 3 2. Η ΙΑ ΙΚΑΣΙΑ ΑΦΙΞΗΣ ΠΑΚΕΤΩΝ H ΜΗΝΥΜΑΤΩΝ ΠΛΗΡΟΦΟΡΙΑΣ : ΑΠΟ ΤΗΝ ΙΑ ΙΚΑΣΙΑ POISSON ΣΤΗΝ ΕΚΡΗΚΤΙΚΗ ΚΑΤΑΝΟΜΗ PARETO.

Transcript

1 ΠΕΡΙΕΧΟΜΕΝΑ Περίληψη ΚΕΦΑΛΑΙΟ 1 1. ΕΙΣΑΓΩΓΗ ΚΑΙ ΣΚΟΠΟΣ ΤΗΣ ΕΡΓΑΣΙΑΣ Εισαγωγή οµή της εργασίας. 5 ΚΕΦΑΛΑΙΟ 2 2. Η ΙΑ ΙΚΑΣΙΑ ΑΦΙΞΗΣ ΠΑΚΕΤΩΝ H ΜΗΝΥΜΑΤΩΝ ΠΛΗΡΟΦΟΡΙΑΣ : ΑΠΟ ΤΗΝ ΙΑ ΙΚΑΣΙΑ POISSON ΣΤΗΝ ΕΚΡΗΚΤΙΚΗ ΚΑΤΑΝΟΜΗ PARETO Εισαγωγή Ιδιότητες της κατανοµής Poisson Η κατανοµή Pareto Ιδιότητες της κατανοµής Pareto 11 ΚΕΦΑΛΑΙΟ 3 1

2 3. ΜΕΛΕΤΗ ΧΑΡΑΚΤΗΡΙΣΤIΚΩΝ ΤΗΣ ΚΑΤΑΝΟΜΗΣ ΚΑΘΥΣΤΕΡΗΣΗΣ ΠΑΚΕΤΩΝ ΣΤΗΝ ΟΥΡΑ ΓΙΑ ΤΙΣ P/D/1 ΚΑΙ ΤΙΣ M/D/1 ΟΥΡΕΣ ΑΝΑΜΟΝΗΣ ΓΙΑ ΑΦΙΞΕΙΣ ΠΑΚΕΤΩΝ ΠΛΗΡΟΦΟΡΙΑΣ Υπάρχοντα Θεωρητικά Αποτελέσµατα Προσοµοίωση Αποτελέσµατα προσοµοίωσης 19 ΚΕΦΑΛΑΙΟ 4 4. ΜΕΛΕΤΗ ΧΑΡΑΚΤΗΡΙΣΤΙΚΩΝ ΤΗΣ ΚΑΤΑΝΟΜΗΣ ΚΑΘΥΣΤΕΡΗΣΗΣ ΜΗΝΥΜΑΤΩΝ ΣΤΙΣ P/G/1 KAI M/G/1 ΟΥΡΕΣ ΑΝΑΜΟΝΗΣ ΓΙΑ ΑΦΙΞΗΣ ΜΗΝΥΜΑΤΩΝ ΠΛΗΡΟΦΟΡΙΑΣ Χαρακτηριστικά του συστήµατος ουράς αναµονής για αφίξεις µηνυµάτων Αποτελέσµατα προσοµοίωσης όταν ο αριθµός πακέτων ανά µήνυµα είναι σταθερός Αποτελέσµατα προσοµοίωσης για γεωµετρικά κατανεµηµένο αριθµό πακέτων ανά µήνυµα Χαρακτηριστικά γεωµετρικής κατανοµής Αποτελέσµατα προσοµοίωσης και σύγκριση µε την περίπτωση σταθερού µεγέθους µηνύµατος Χαρακτηριστικά καθυστέρησης µηνυµάτων στην M/G/1 ουρά αναµονής. 34 ΚΕΦΑΛΑΙΟ 5 5. ΣΥΜΠΕΡΑΣΜΑΤΑ ΚΑΙ ΜΕΛΛΟΝΤΙΚΕΣ ΕΠΕΚΤΑΣΕΙΣ 38 ΠΑΡΑΡΤΗΜΑ 40 ΒΙΒΛΙΟΓΡΑΦΙΑ 47 2

3 ΚΕΦΑΛΑΙΟ 1 1. ΕΙΣΑΓΩΓΗ ΚΑΙ ΣΚΟΠΟΣ ΤΗΣ ΕΡΓΑΣΙΑΣ Η παρούσα εργασία ασχολείται µε την µελέτη των χαρακτηριστικών καθυστέρησης πακέτων και µηνυµάτων πληροφορίας στην ουρά αναµονής ενός κόµβου δικτύου επικοινωνιών, για εκρηκτικές διαδικασίες άφιξης πακέτων και µηνυµάτων πληροφορίας αντίστοιχα. Εξετάζονται και συγκρίνονται δυο περιπτώσεις, η διαδικασία αφίξεων Poisson και η διαδικασία αφίξεων που χαρακτηρίζεται από ανεξάρτητους, Pareto κατανεµηµένους χρόνους µεταξύ αφίξεων πακέτων και µηνυµάτων πληροφορίας. 1.1 Εισαγωγή Εξαιτίας του σοβαρού ρόλου που αναµένεται να παίξουν τα µελλοντικά ψηφιακά δίκτυα επικοινωνίας µε µεταγωγή πακέτων (Asyncronous Transfer Mode, (ATM) δίκτυα), µελετούµε το πρόβληµα της εξυπηρέτησης της κίνησης πακέτων και µηνυµάτων δεδοµένων από ένα κόµβο δικτύου. Η υψηλή εκρηκτικότητα που χαρακτηρίζει την κίνηση πακέτων και µηνυµάτων πληροφορίας σε αυτά τα δίκτυα θα µπορέσει να µας δώσει πληροφορίες για το κατά πόσο οι τεχνικές πρόβλεψης της απόδοσης των ΑΤΜ δικτύων αλλά και πρόβλεψης των περιπτώσεων συµφόρησης στους κόµβους τέτοιων δικτύων, που έχουν επινοηθεί και µελετηθεί για Poisson 3

4 αφίξεις πακέτων και µηνυµάτων πληροφορίας λειτουργούν ικανοποιητικά όταν η διαδικασία άφιξης των πακέτων και µηνυµάτων είναι πολύ εκρηκτικότερη της Poisson. Η διαδικασία Poisson χρησιµοποιείται πολύ συχνά για να µοντελοποιήσει αφίξεις πακέτων και µηνυµάτων πληροφορίας σε κόµβους δικτύων επικοινωνιών. Αυτό διότι η διαδικασία έχει ιδιαίτερα ενδιαφέρουσες ιδιότητες αλλά και διότι η µοντελοποίηση µε την διαδικασία Poisson είναι σχετικά εύκολη µια και η τελευταία έχει µελετηθεί εκτενώς τα τελευταία χρόνια. Πρόσφατες µελέτες κίνησης όµως έδειξαν ότι η διαδικασία Poisson δεν µοντελοποιεί ικανοποιητικά µεγάλο αριθµό περιπτώσεων δικτύων, όπου οι χρόνοι µεταξύ διαδοχικών αφίξεων πακέτων ή µηνυµάτων πληροφορίας ευρέθησαν να µην είναι εκθετικά κατανεµηµένοι. Εκτεταµένες έρευνες που έχουν γίνει πάνω σε τοπικά [3],[2], και σε δίκτυα ευρύτερης γεωγραφικής κάλυψης [1], έδειξαν ότι η κατανοµή των χρόνων µεταξύ αφίξεων διαδοχικών πακέτων ή µηνυµάτων πληροφορίας της συνολικής κίνησης που φτάνει σε ένα κόµβο του δικτύου, διαφέρει κατά πολύ από την εκθετική κατανοµή. Οι παραπάνω µελέτες της κίνησης σε έναν αριθµό διαφορετικών δικτύων επικοινωνίας µας πείθουν ότι η κίνηση αυτών των δικτύων µοντελοποιείται καλύτερα χρησιµοποιώντας αυτο-όµοιες (self-similar) στοχαστικές διαδικασίες για τον χαρακτηρισµό των χρόνων µεταξύ αφίξεων διαδοχικών πακέτων ή µηνυµάτων πληροφορίας. Οι αυτο-όµοιες στοχαστικές διαδικασίες έχουν πολύ διαφορετικές ιδιότητες από την Poisson, µια και σε αντίθεση µε την τελευταία χαρακτηρίζονται από συσχετίσεις πάνω σε ευρεία κλίµακα χρόνων. Επίσης η διαδικασία αφίξεων Poisson δεν είναι αρκετά εκρηκτική. Η κίνηση δικτύου βρέθηκε πολύ πιο εκρηκτική από ότι προβλέπει η διαδικασία Poisson. Αποδείχθηκε ότι η χρήση της κατανοµής Pareto, για την µοντελοποίηση των χρόνων µεταξύ αφίξεων διαδοχικών πακέτων ή µηνυµάτων πληροφορίας στη διαδικασία της κίνησης, είναι ικανοποιητική [4]. Η κατανοµή Pareto έχει σαν παραµέτρους την παράµετρο τοποθεσίας α που συµβολίζει τον ελάχιστο χρόνο µεταξύ αφίξεων διαδοχικών πακέτων ή µηνυµάτων πληροφορίας, και την παράµετρο σχήµατος β. Εάν β 2 η κατανοµή έχει άπειρη διασπορά, ενώ για β 1 η κατανοµή έχει άπειρη µέση τιµή. Για το λόγο αυτό η κατανοµή έχει βαριά ουρά. Εξαιτίας αυτής της ιδιότητας, η διαδικασία αφίξεων µε Pareto κατανεµηµένους χρόνους µεταξύ διαδοχικών αφίξεων χαρακτηρίζεται από 4

5 έντονη εκρηκτικότητα. Επίσης µια άλλη σηµαντική ιδιότητα της Pareto είναι η ακόλουθη: Παρατηρήσεις σε πεπερασµένη χρονική κλίµακα έχουν δείξει ότι η διαδικασία µέτρησης αφίξεων πακέτων και µηνυµάτων πληροφορίας µε Pareto κατανεµηµένους χρόνους µεταξύ αφίξεων, εµφανίζεται µε πολλούς τρόπους παρόµοια µε αυτο-όµοια (self-similar) διαδικασία. Υποθέτοντας ότι αυτή η παρατηρούµενη οµοιότητα ισχύει και όταν η διαδικασία άφιξης πακέτων ή µηνυµάτων πληροφορίας είναι πολυπλεγµένη, µπορούµε να κατανοήσουµε το λόγο για τον οποίο η µετρούµενη σε πραγµατικά δίκτυα κίνηση πακέτων και µηνυµάτων εµφανίζεται ως αυτο-όµοια. 1.2 οµή της εργασίας. Το κεφάλαιο 2 αποτελεί µια σύντοµη εισαγωγή στην διαδικασία αφίξεων Poisson και στην εκρηκτική κατανοµή Pareto. Στο ίδιο κεφάλαιο αναφέρονται οι λόγοι για τους οποίους η διαδικασία αφίξεων Poisson αποτυγχάνει να µοντελοποιήσει ικανοποιητικά τους χρόνους µεταξύ αφίξεων διαδοχικών πακέτων και µηνυµάτων πληροφορίας στο σύστηµα και εξηγείται γιατί αντί αυτής χρησιµοποιείται η κατανοµή Pareto. Στο κεφάλαιο 3 µελετάµε τα χαρακτηριστικά της καθυστέρησης πακέτου στην αναµονή (ουρά) για αφίξεις πακέτων πληροφορίας, όταν ο κόµβος του δικτύου µοντελοποιείται σαν µια Pareto/D/1 (P/D/1) και M/D/1 ουρά αναµονής, αντίστοιχα. Στο κεφάλαιο 4 µελετάµε τα χαρακτηριστικά της καθυστέρησης στην αναµονή (ουρά) για αφιξεις µηνυµάτων πληροφορίας, όταν ο κόµβος του δικτύου µοντελοποιείται σαν µια P/G/1 ουρά αναµονής. Υπολογίζουµε επίσης αναλυτικά την µέση καθυστέρηση µηνύµατος στην ουρά για Poisson αφίξεις µηνυµάτων, δείχνοντας ότι το σύστηµα ανάγεται σε µια M/G/1 ουρά. Τα συµπεράσµατα και οι πιθανές µελλοντικές επεκτάσεις αυτής της εργασίας αναφέρονται στο κεφάλαιο 5. 5

6 ΚΕΦΑΛΑΙΟ 2 2. Η ΙΑ ΙΚΑΣΙΑ ΑΦΙΞΗΣ ΠΑΚΕΤΩΝ H ΜΗΝΥΜΑΤΩΝ ΠΛΗΡΟΦΟΡΙΑΣ : ΑΠΟ ΤΗΝ ΙΑ ΙΚΑΣΙΑ POISSON ΣΤΗΝ ΕΚΡΗΚΤΙΚΗ ΚΑΤΑΝΟΜΗ PARETO. Στο Κεφάλαιο αυτό αναφερόµαστε µε συντοµία στα αποτελέσµατα πρόσφατων µελετών κίνησης από έναν αριθµό διαφορετικών δικτύων επικοινωνίας, που δείχνουν ότι η µοντελοποίηση των αφίξεων πακέτων ή µηνυµάτων πληροφορίας µε τη διαδικασία Poisson δεν είναι ικανοποιητική. Αντ αυτής, προτείνεται η χρήση αυτο-όµοιων (self-similar) στοχαστικών διαδικασιών για τον χαρακτηρισµό των χρόνων µεταξύ αφίξεων διαδοχικών πακέτων ή µηνυµάτων. Σαν µαθηµατικό µοντέλο για την µοντελοποίηση τέτοιων διαδικασιών αφίξεων, προτείνεται η χρήση κατανοµών µε ουρές σηµαντικής µάζας (heavy-tailed distributions) µε άπειρη διασπορά π.χ. η κατανοµή Pareto. Τέλος παραθέτουµε σύντοµη εισαγωγή στην διαδικασία αφίξεων Poisson και στην κατανοµή Pareto και περιγράφουµε µερικές ιδιότητες τους. 6

7 2.1 Εισαγωγή Οι αφίξεις πακέτων ή µηνυµάτων πληροφορίας στα δίκτυα, συχνά µοντελοποιούνται µε τη διαδικασία Poisson λόγω των ιδιαίτερα ενδιαφερουσών ιδιοτήτων της και διότι έχει εκτενώς µελετηθεί και κατανοηθεί αλλά και για αναλυτική ευκολία, ακόµη και όταν η µελέτη της κίνησης σε πραγµατικά δίκτυα επικοινωνίας (δηλαδή, των αφίξεων πακέτων ή µηνυµάτων πληροφορίας) έχει δείξει ότι οι χρόνοι µεταξύ διαδοχικών αφίξεων δεν είναι εκθετικά κατανεµηµένοι. Για παράδειγµα, πρόσφατες µελέτες της κίνησης σε έναν αριθµό διαφορετικών δικτύων επικοινωνίας µε πακέτα (π.χ. Ethernet τοπικά δίκτυα (LANs)), δίκτυα ευρείας γεωγραφικής περιοχής (WANs) κ.λ.π.), µας πείθουν ότι η κίνηση αυτών των δικτύων µοντελοποιείται καλύτερα χρησιµοποιώντας αυτο-όµοιες (self-similar) στοχαστικές διαδικασίες για τον χαρακτηρισµό των χρόνων µεταξύ αφίξεων διαδοχικών πακέτων ή µηνυµάτων πληροφορίας [1]-[4]. Οι αυτο-όµοιες στοχαστικές διαδικασίες έχουν πολύ διαφορετικές ιδιότητες απο την Poisson, µια και σε αντίθεση µε την τελευταία χαρακτηρίζονται από συσχετίσεις πάνω σε ευρεία κλίµακα χρόνων (είναι δηλαδή long range dependent). Πιο συγκεκριµένα, εκείνη από τις παραπάνω αναφερόµενες µελέτη κίνησης που αφορά εφαρµογές δεδοµένων υλοποιούµενες πάνω σε δίκτυα ευρείας γεωγραφικής περιοχής, (όπως για παράδειγµα, της διαδικασίας αφίξεων TCP που περιλαµβάνει αφίξεις περιόδου και συνδέσεων, αφίξεις δεδοµένων FTP µέσα σε περιόδους FTP και αφίξεις πακέτων της εφαρµογής TELNET, της από απόσταση εισαγωγής σε δίκτυο (remote login) και της µεταφοράς αρχείων (file transfer)), έδειξε ότι οι τελευταίες µοντελοποιούνται ικανοποιητικά µε τη διαδικασία Poisson όταν ο ρυθµός αφίξεων πακέτων της κατανοµής θεωρηθεί µεταβαλλόµενος µε το χρόνο και καθορίζεται κατάλληλα ανά ώρα [1]. Η διαδικασία Poisson έχει βρεθεί ότι είναι ικανοποιητική για τον χαρακτηρισµό των αφίξεων στον κάθε µεµονωµένο χρήστη (π.χ., µεµονωµένες συνδέσεις TELNET ή συνδέσεις ελέγχου FTP). Μόνο οι αφίξεις πακέτων που εγκαθιδρύουν τις 7

8 συνδέσεις FTP και TELNET βρέθηκαν υπό συνθήκες, να είναι στατιστικά συµβατές µε αφίξεις Poisson, ενώ οι αφίξεις των πακέτων που εγκαθιδρύουν συνδέσεις FTPDATA (δηλαδή, οι συνδέσεις δεδοµένων FTP µέσα σε µια περίοδο FTP, οι οποίες αρχικοποιούνται όποτε ο χρήστης καταγράφει έναν κατάλογο (directory), είτε κάνει µεταφορά ενός αρχείου), καθώς και τα πακέτα της εφαρµογής FTPDATA που ακολουθούν, δεν µοντελοποιούνται ικανοποιητικά από την κατανοµή Poisson. Η διαδικασία αφίξεων Poisson δεν είναι αρκετά εκρηκτική. Όµως, η κίνηση δικτύου παρατηρούµενη σε µεγάλα χρονικά διαστήµατα βρέθηκε πολύ πιο εκρηκτική από ό,τι προβλέπει το µοντέλο Poisson. Αυτός είναι ένας από τους λόγους που το µοντέλο Poisson δεν προβλέπει σωστά περιπτώσεις συµφόρησης του δικτύου καθώς και την απόδοση λειτουργίας του. Συµπερασµατικά, δεν µπορούµε να ελπίζουµε σε ικανοποιητική µοντελοποίηση των αφίξεων συνδέσεων χρησιµοποιώντας µια απλή οµογενή διαδικασία Poisson. Στα [2] και [4], οι συγγραφείς απέδειξαν ότι η επαλληλία πολλών ανεξάρτητων και πανοµοιότυπα κατανεµηµένων εναλασσόµενων πηγών γέννησης πληροφορίας (ON/OFF sources), των οποίων οι διάρκειες των ON (ενεργών) και OFF (ανενεργών) περιόδων είναι τυχαίες µεταβλητές µε πολύ υψηλή ή και άπειρη διασπορά έχει σαν αποτέλεσµα την παραγωγή αυτο-όµοιας κίνησης πληροφορίας. Οι συγγραφείς των παραπάνω άρθρων προτείνουν τη χρήση της κατανοµής Pareto για την µοντελοποίηση των χρόνων µεταξύ αφίξεων πακέτων η µηνυµάτων πληροφορίας στην διαδικασία της συνολικής κίνησης Ιδιότητες της κατανοµής Poisson. Σε αυτό το τµήµα του Κεφαλαίου παραθέτουµε τις πιο σηµαντικές ιδιότητες των χρόνων µεταξύ διαδοχικών αφίξεων στην στοχαστική διαδικασία Poisson. Συµβολίζουµε µε Τ την εκθετικά κατανεµηµένη τυχαία µεταβλητή που χαρακτηρίζει το χρόνο µεταξύ δυο διαδοχικών αφίξεων µονάδων πληροφορίας σε µια διαδικασία αφίξεων Poisson. Η τυχαία µεταβλητή Τ µε ρυθµό άφιξης πακέτων λ έχει Αθροιστική Συνάρτηση Πιθανότητας λt F(x) = P [Τ x] =1-e λ,t 0 8

9 µε αντίστοιχη Συνάρτηση Πυκνότητας Πιθανότητας : λt f(x) = λ e Η ιασπορά της τυχαίας µεταβλητής Τ είναι ίση µε : V(T) = E(Τ 2 ) - [E(Τ)] 2 = = 2 λ λ λ ενώ η Μέση Τιµή (πρώτη ροπή) της τυχαίας µεταβλητής Τ δίνεται από τη σχέση: λt 1 1 E(Τ) = tλe dt = λ = λ 2 λ 0 Η εύτερη ροπή της τυχαίας µεταβλητής Τ δίδεται από τη σχέση : E(Τ 2 2 λt 2 λt 2 2 )= t λe dt = λ t e dt = λ λ 3 = λ και η Τυπική Απόκλιση της τυχαίας µεταβλητής Τ δίνεται από : σ (Τ)= 1 λ δηλαδή έχουµε ότι για την τυχαία µεταβλητή Τ, Ε(Τ)=σ(Τ). Συνεπώς ο Συντελεστής µεταβλητότητας (Coefficient of Variation) ειναι ίσος µε την µονάδα: 1 Var( x ) 2 Cv= 2 = λ =1 E ( x) 1 2 λ 2.2 Η κατανοµή Pareto Η παρατηρούµενη κατανοµή των χρόνων µεταξύ αφίξεων διαδοχικών πακέτων σε όλες τις εφαρµογές που αναφέρθηκαν στην εισαγωγή, µοντελοποιείται ικανοποιητικά από την κατανοµή Pareto. 9

10 Η πρόβλεψη της απόδοση των ψηφιακών δικτύων ολοκληρωµένων υπηρεσιών βασισµένων στην τεχνολογία Αsynchronous Transfer Mode (ATM), επηρεάζεται προφανώς από τα µοντέλα αφίξεων µονάδων πληροφορίας που χρησιµοποιούνται στους διάφορους κόµβους του δικτύου. Εάν και υπάρχουν ικανοποιητικά µοντέλα για την διαδικασία άφιξης των πακέτων από πηγές φωνής, που χρησιµοποιούν ανιχνευτή των χρονικών περιόδων της δραστηριότητας των (Voice Activity Detector), για µια πληθώρα εφαρµογών δεδοµένων (όπως µεταφορά αρχείων, είσοδος σε αποµακρυσµένο σύστηµα και υποβολή ερωτήσεων σε βάση δεδοµένων) ένα ικανοποιητικό µοντέλο δεν είναι διαθέσιµο. Από εκτεταµένες έρευνες που έχουν γίνει πάνω σε τοπικά και σε δίκτυα ευρύτερης γεωγραφικής περιοχής φάνηκε ότι η κατανοµή του χρόνου µεταξύ αφίξεων πακέτων της συνολικής κίνησης διαφέρει εµφανώς από την εκθετική κατανοµή. Είναι φανερό ότι για να έχουµε πιθανότητες ικανοποιητικής πρόβλεψης της απόδοσης των ΑΤΜ δικτύων αλλά και για σωστή πρόβλεψη των περιπτώσεων συµφόρησης στους κόµβους των, είναι απαραίτητο να χρησιµοποιήσουµε µοντέλα που αποδίδουν τα πραγµατικά χαρακτηριστικά της διαδικασίας κίνησης. Για να µπορέσουµε να εκτιµήσουµε την απόδοση ενός κόµβου σε ένα ΑΤΜ δίκτυο Ολοκληρωµένων Υπηρεσιών, επιλέγουµε να φορτώσουµε τον κόµβο µε κίνηση δεδοµένων που γεννιέται από διαλογικές εφαρµογές (π.χ., πρόσβαση σε βάση δεδοµένων από αποµακρυσµένο τερµατικό). Η απόφαση αυτή υποκινήθηκε από α) την αναµενόµενη σηµασία αυτών των εφαρµογών στα µελλοντικά ΑΤΜ δίκτυα, και β) την εκρηκτικότητα των διαδικασιών αφίξεων πακέτων που χαρακτηρίζουν αυτές τις εφαρµογές. Οι χρόνοι µεταξύ αφίξεων διαδοχικών πακέτων υποτίθεται ότι είναι ανεξάρτητες τυχαίες µεταβλητές, κατανεµηµένες σύµφωνα µε την κατανοµή Pareto µε παραµέτρους a και β : P{T t} = 1 - [α/t] β α,β 0, t α Οι παράµετροι αυτής της κατανοµής είναι η παράµετρος τοποθεσίας (location parameter) α, που συµβολίζει τον ελάχιστο χρόνο µεταξύ αφίξεων δύο διαδοχικών πακέτων (στην παρούσα εργασία θεωρούµε 0<α<1) και η παράµετρος σχήµατος (shape parameter) β, όπου αν β 2 η κατανοµή έχει άπειρη διασπορά, ενώ για β 1 η µέση τιµή είναι επίσης άπειρη. Έτσι η κατανοµή έχει βαριά ουρά (heavy tailed) µε 10

11 άπειρη διασπορά και άπειρη µέση τιµή. Μια κατανοµή λέγεται βαριάς ουράς όταν το κλάσµα P(T t ) β τείνει στο 1 καθώς t, για κάποιες σταθερές β 0, c>0. ct Ένας πιο γενικός ορισµός κατανοµών βαριάς ουράς, ορίζει µια κατανοµή σαν βαριάς ουράς εάν η µέση υπό συνθήκη υπέρβαση της τυχαίας µεταβλητής Τ, Ε[Τt Τ t], είναι αύξουσα συνάρτηση του t [5]. Για την Pareto κατανεµηµένη τυχαία µεταβλητή Τ µε β 1 (δηλ., µε πεπερασµένη µέση τιµή) η µέση υπό συνθήκη υπέρβαση είναι γραµµική συνάρτηση των t (ίση µε t/(β-1)). Χρησιµοποιώντας αυτον τον δεύτερο ορισµό, θεωρούµε µια Pareto κατανεµηµένη τυχαία µεταβλητή η οποία αντιπροσωπεύει το χρόνο αναµονής ενός πελάτη σε ένα σταθµό εξυπηρέτησης. Όσο περισσότερο έχει αναµείνει ο πελάτης στην ουρά αναµονής, τόσο µεγαλύτερος είναι ο αναµενόµενος επιπλέον χρόνος αναµονής του. Συγκρίνουµε αυτή τη συµπεριφορά µε χρόνους αναµονής κατανεµηµένους µε µια κατανοµή ελαφριάς ουράς (όπως η οµοιόµορφη κατανοµή για την οποία η µέση υπό συνθήκη υπέρβαση είναι µια φθίνουσα συνάρτηση του t), ή µε µια κατανοµή µεσαίας ουράς (όπως η εκθετική για την οποία η µέση υπό συνθήκη υπέρβαση είναι ανεξάρτητη του χρόνου της µέχρι τώρα αναµονής). Η παραπάνω µαθηµατική ιδιότητα ευθύνεται για την έντονη εκρηκτικότητα της Pareto διαδικασίας αφίξεων πακέτων. Τέλος αναφέρουµε ότι η Pareto, σε αντίθεση µε την εκθετική, είναι µια κατανοµή µε µνήµη Ιδιότητες της κατανοµής Pareto Σε αυτό το τµήµα του Κεφαλαίου παραθέτουµε και σχολιάζουµε τις πιο σηµαντικές (για τους σκοπούς αυτής της εργασίας) ιδιότητες της κατανοµής Pareto. Η τυχαία µεταβλητή Τ κατανεµηµένη σύµφωνα µε την κατανοµή Pareto µε παράµετρο σχήµατος β και παράµετρο τοποθεσίας α έχει την ακόλουθη Αθροιστική Συνάρτηση Πιθανότητας : F(x) = P [Τ x] = 1 - (α/x) β, α, β 0, x α, µε αντίστοιχη Συνάρτηση Πυκνότητας Πιθανότητας : f(x) = β α β x -(β+1). 11

12 η Μέση Τιµή της τυχαίας µεταβλητής Τ δίνεται από τις σχέσεις: E(T) = β α/(β-1), β>1, E(T) =, β 1. Η εύτερη ροπή της τυχαίας µεταβλητής Τ δίνεται από τις σχέσεις : E(T 2 ) = β α 2 /(β-2), β>2, E(T 2 ) =, β 2, Η ιασπορά της τυχαίας µεταβλητής Τ είναι ίση µε : V(T) = E(T) 2 - [E(T)] 2 V(T) = β α 2 / [(β-2) (β-1) 2 ], β>2 ενώ η Τυπική Απόκλιση της τυχαίας µεταβλητής Τ δίνεται από : σ (Τ)= (V(T)) 1/2 = [α/(β-1)] [β/(β-2)] 1/2, β>2. ηλαδή, αν β 2 η κατανοµή έχει άπειρη διασπορά, και αν β 1 έχει και άπειρη µέση τιµή. Η κατανοµή Pareto, η οποία είναι γνωστή και ως κατανοµή ισχύος-νόµου (powerlaw), ως διπλή εκθετική κατανοµή (double-exponential) και ως υπερβολική κατανοµή (hyperbolic), έχει χρησιµοποιηθεί στο παρελθόν για να µοντελοποιήσει κατανοµές εισοδήµατος που υπερβαίνουν µία ελάχιστη τιµή, τα µεγέθη αστεροειδών, νησιών, πόλεων και γεγονότα διαγραφής - θανάτου (extinction events) [5]. Επίσης, µία κατανοµή Pareto µε 1.05< β <1.25 έχει βρεθεί ότι µοντελοποιεί ικανοποιητικά το ποσόστο του χρόνου CPU που καταναλώνεται για την εκτέλεση µίας τυχαίας διαδικασίας. Η κατανοµή Pareto εκτός από την βαριά ουρά, είναι αµετάβλητη µε την κλίµακα του χρόνου. Η πιθανότητα ο τυχαίος χρόνος αναµονής να είναι τουλάχιστον 2t λεπτά διά της πιθανότητας ότι ο τυχαίος χρόνος αναµονής είναι τουλάχιστον t λεπτά, είναι µία σταθερά ανεξάρτητη του t για οποιοδήποτε t α. Ένα σχετικό αποτέλεσµα δείχνει ότι η κατανοµή Pareto είναι η µόνη κατανοµή η οποία είναι αµετάβλητη σε περικοπή από κάτω (invariant under truncation from below). ηλαδή, για την τυχαία µεταβλητή Τ µε κατανοµή Pareto και για y t o ισχύει : 12

13 P [ T >y T > t o ]=P [(t o /k)t > y] = (t o /y) β. Έτσι η παραπάνω υπό συνθήκη κατανοµή είναι επίσης Pareto µε την ίδια παράµετρο σχήµατος β και µία νέα παράµετρο τοποθεσίας α = t ο. Comment: 13

14 ΚΕΦΑΛΑΙΟ 3 3. ΜΕΛΕΤΗ ΧΑΡΑΚΤΗΡΙΣΤΙΚΩΝ ΤΗΣ ΚΑΤΑΝΟΜΗΣ ΚΑΘΥΣΤΕΡΗΣΗΣ ΠΑΚΕΤΩΝ ΣΤΗΝ ΟΥΡΑ ΓΙΑ ΤΙΣ P/D/1 ΚΑΙ ΤΙΣ M/D/1 ΟΥΡΕΣ ΑΝΑΜΟΝΗΣ ΓΙΑ ΑΦΙΞΕΙΣ ΠΑΚΕΤΩΝ ΠΛΗΡΟΦΟΡΙΑΣ Στο κεφάλαιο αυτο µελετάµε τα χαρακτηριστικά της καθυστέρησης πακέτων στην αναµονή (ουρά) για αφίξεις πακέτων πληροφορίας, όταν ο κόµβος του δικτύου µοντελοποιείται σαν µια Pareto/D/1 (P/D/1) και M/D/1 ουρά αναµονής, αντίστοιχα. 3.1 Υπάρχοντα Θεωρητικά Αποτελέσµατα Παρακάτω παραθέτουµε γενικά άνω και κάτω όρια της µέσης καθυστέρησης πακέτων στην ουρά που ισχύουν στην G/G/1 ουρά (την ουρά δηλαδή που χαρακτηρίζεται από γενικά κατανεµηµένους χρόνους µεταξύ αφίξεων πακέτων και χρόνους εξυπηρέτησης πακέτων, καθώς και από ανεξαρτησία µεταξύ των παραπάνω τυχαίων µεταβλητών). 14

15 Ετσι αν Wq συµβολίζει την µέση καθυστέρηση πακέτων στην ουρά, λ τον ρυθµό άφιξης πακέτων, µ τον ρυθµό εξυπηρέτησης πακέτων, ρ=λ/µ την πυκνότητα κυκλοφορίας, και σ 2 A και σ 2 B την διασπορά των χρόνων µεταξύ αφίξεων και των χρόνων εξυπηρέτησης πακέτων αντίστοιχα, έχουµε ότι ένα κάτω όριο στο Wq δίνεται από τη σχέση [6]: W q 2 2 A λσ 2λ 1 + ρρ ( 2) ( ρ) (3.1) Επιπλέον, η παρακάτω ποσότητα είναι ένα πάνω όριο στο Wq W q 2 2 ( A + σb) λσ 21 ( p) (3.2) Επειδή οι ουρές που µελετάµε χαρακτηρίζονται από ντετερµινιστικούς χρόνους εξυπηρέτησης πακέτων, ίσους για όλα τα πακέτα µε µια σταθερά που ορίζεται σαν η µονάδα χρόνου µας, έχουµε µ=1, ρ=λ και σ 2 B =0. Συνεπώς τα παραπάνω όρια στην µέση καθυστέρηση πακέτου στην ουρά Wq, απλοποιούνται στα 2 2 λσ A λσ A + ( λ 2) Wq 21 ( λ) 21 ( λ) (3.3) Συµβολίζοντας µε Τ, την τυχαία µεταβλητή που καθορίζει τον χρόνο µεταξύ αφίξεων διαδοχικών πακέτων πληροφορίας στον κόµβο του δικτύου, έχουµε λ=1/ε(τ) και σ 2 A =Var(Τ), και συνεπώς οι παραπάνω ανισότητες τώρα γράφονται σαν συνάρτηση της µέσης τιµής και της διασποράς της τυχαίας µεταβλητής Τ: Var( T) Var( T) + 1 2E( T) Wg 2( ET ( ) 1) 2( ET ( ) 1) (3.4) Οι ανισότητες (3.3) και (3.4) ισχύουν για κάθε G/D/1 ουρά, και συνεπώς και για τις ουρές που εξετάζουµε. 15

16 Τονίζουµε εδώ ότι στην βιβλιογραφία δεν αναφέρονται ακριβή αποτελέσµατα ή όρια για την διασπορά ή υψηλότερης τάξης ροπές της καθυστέρησης πακέτων στην G/D/1 ουρά. Για την P/D/1 ουρά δεν υπάρχουν στην βιβλιογραφία αποτελέσµατα για τα χαρακτηριστικά της καθυστέρησης πακέτων στην ουρά. Οι βασικοί λόγοι για αυτό είναι δύο. Πρώτον, η κατανοµή Pareto σε αντίθεση µε την εκθετική (Poisson αφίξεις πακέτων) χαρακτηρίζεται από µνήµη, πράγµα που δυσκολεύει την αναλυτική προσέγγιση της P/D/1 ουράς. εύτερον, ο χαρακτηρισµός των χρόνων µεταξύ αφίξεων πακέτων σε έναν κόµβο δικτύου µέσω κατανοµών βαριάς ουράς (π.χ. Pareto), µόλις πρόσφατα άρχισε να ελκύει το ενδιαφέρων των ερευνητών. Για την Μ/D/1 ουρά, η οποία έχει µελετηθεί εκτενώς στο παρελθόν, εκτός των ορίων (3.3) και (3.4) υπάρχει διαθέσιµος σε κλειστή µορφή ο ακριβής τύπος της µέσης καθυστέρησης πακέτων στην ουρά Wq : 2 ρ Wq= 21 ( λ ) (3.5) ο οποίος για µ=1 (ρ=λ) απλοποιείται στον λ Wq= 21 ( λ ) (3.6) Tονίζουµε εδώ ότι στην βιβλιογραφία δεν υπάρχουν αποτελέσµατα σε κλειστή ή εύκολα υπολογίσιµη άλλη µορφή, σχετικά µε χαρακτηριστικά της κατανοµής καθυστέρησης πακέτων στην M/D/1 ουρά πέραν της µέσης τιµής της. Η προσέγγιση της µελέτης µας έχει ώς εξής. Πρώτον, υπολογίζουµε άνω και κάτω όρια στην µέση καθυστέρηση πακέτου Wq στην P/D/1 ουρά αναµονής (στην περίπτωση της M/D/1 ουράς την ακριβή τιµή του Wq). εύτερον, εκτιµούµε µέσω προσοµοίωσης, την µέση τιµή της καθυστέρησης πακέτου στην ουρά και συγκρίνουµε τα πειραµατικά µε τα αντίστοιχα θεωρητικά αποτελέσµατα. Τρίτον, µέσω της προσοµοίωσης εκτιµούµε την διασπορά της καθυστέρησης πακέτων στην ουρά και σχολιάζουµε την συµπεριφορά που παρουσιάζει ο συντελεστής µεταβλητότητας της καθυστέρησης πακέτου στην ουρά Cv,w (δηλαδή, το πηλίκο της 16

17 διασποράς δια του τετραγώνου της µέσης τιµής), καθώς αυξάνεται ο ρυθµός άφιξης πακέτων λ. Στην περίπτωση της P/D/1 ουράς, όπου µε κατάλληλη επιλογή των παραµέτρων α και β µπορούµε να µεταβάλουµε τον συντελεστή µεταβλητότητας των χρόνων µεταξύ αφίξεων διαδοχικών πακέτων, Cv,t, κρατώντας την µέση τιµή τους σταθέρη (να δηµιουργήσουµε δηλαδή µια πιο εκρηκτική διαδικασία άφιξης πακέτων διατηρώντας τον ρυθµό άφιξης πακέτων σταθερό), µελετάµε τη συµπεριφορά του συντελεστή µεταβλητότητας της καθυστέρησης πακέτων στην ουρά, Cv,w, σαν συνάρτηση του συντελεστή µεταβλητότητας των χρόνων µεταξύ αφίξεων διαδοχικών πακέτων, Cv,t, για σταθερό ρυθµό άφιξης πακέτων, λ. Με αυτήν την µελέτη επιθυµούµε να δούµε την επίδραση της εκρηκτικότητας της διαδικασίας αφίξεων πακέτων στον κόµβο του δικτύου, στην εκρηκτικότητα της κατανοµής καθυστέρησης πακέτων στην ουρά. 3.2 Προσοµοίωση. Σε αυτό το τµήµα του κεφαλαίου παραθέτουµε και σχολιάζουµε τα αποτελέσµατα από την προσοµοίωση της εξυπηρέτησης από τον κόµβο του δικτύου µεγάλου αριθµού πακέτων, όταν οι χρόνοι µεταξύ αφίξεων διαδοχικών πακέτων στην ουρά µοντελοποιούνται µε τη διαδικασία Pareto ή την εκθετική και ο χρόνος εξυπηρέτησης του κάθε πακέτου στον κόµβο υποτίθεται ίσος µε µια χρονική µονάδα. Ως καθυστέρηση πακέτου στην ουρά ορίζεται ο χρόνος που µεσολαβεί από τη στιγµή της γέννησης του συγκεκριµένου πακέτου, µέχρι τη στιγµή που αρχίζει η εξυπηρέτηση του.οι καθυστερήσεις των πακέτων στην περίπτωση χαµηλών ρυθµών γέννησης πακέτων πληροφορίας είναι χαµηλές. Σκοπός µας είναι να εκτιµήσουµε τη µέση τιµή και τη διασπορά της καθυστέρησης στην ουρά για διάφορες τιµές των παραµέτρων της κατανοµής αφίξεων πακέτων, και να χαρακτηρίσουµε έτσι τη συµπεριφορά της κατανοµής της καθυστέρησης πακέτων στην ουρά. Πρώτα εξετάζουµε τις συνθήκες κάτων από τις οποίες η ουρά που εξετάζουµε χαρακτηρίζεται από ευσταθή λειτουργία. 17

18 Ο ορισµός της ευστάθειας ειναι ο εξής: έστω λ και µ συµβολίζουν τον ρυθµό άφιξης και τον µέγιστο ρυθµό εξυπηρέτησης πακέτων, αντίστοιχα. Ένα σύστηµα ουράς εξυπηρέτησης είναι ευσταθές αν και µόνο αν, υπάρχει ένας θετικός αριθµός Λ>0 τέτοιος ώστε για όλους τους ρυθµούς άφιξης πακέτων στο σύστηµα λ, τέτοιους ώστε λ<λ, ο ρυθµός εξυπηρέτησης πακέτων είναι ίσος µε τον ρυθµό άφιξης λ. Ο θετικός αριθµός Λ ονοµάζεται µέγιστο throughput του συστήµατος και η κλίµακα των ρυθµών άφιξης πακέτων στο (0,Λ) καθορίζει την περιοχή ευστάθειας του συστήµατος. Στην περίπτωση της G/G/1 ουράς έχει αποδειχθεί ότι Λ=µ, δηλαδή ότι το µέγιστο throughput είναι ίσο µε τον µέγιστο ρυθµό εξυπηρέτησης της ουράς, αποτέλεσµα που συµφωνεί και µε την διαίσθηση. Στην δική µας περίπτωση µ=1, και συνεπώς για να έχουµε ευσταθή λειτουργία πρέπει λ<1. Τέλος αναφέρουµε σε συντοµία τις µεθόδους µε βάση τις οποίες ο προσοµοιωτής δηµιουργεί διαδικασίες άφιξης πακέτων χαρακτηριζόµενες από Pareto (ή εκθετικά) κατανεµηµένους χρόνους µεταξύ αφίξεων διαδοχικών πακέτων (για τις λεπτοµέρειες της µεθόδου ο αναγνώστης παραπέµπεται στο [7]). Εάν Τ είναι η τυχαία µεταβλητή που συµβολίζει τους παραπάνω χρόνους, τότε οι χρόνοι αυτοί µπορούν να γεννηθούν από τον τύπο Τ= α 1 β R στην περίπτωση που η τυχαία µεταβλητή Τ είναι Pareto κατανεµηµένη µε παραµέτρους α και β, ενώ Τ=-λ(lnR) στην περίπτωση Poisson αφίξεων πακέτων µε ρυθµό άφιξης λ. Στις παραπάνω δυο περιπτώσεις, R συµβολίζει τυχαίο αριθµό στο διάστηµα [0,1]. Κάθε (ή σχεδόν κάθε) γλώσσα προγραµµατισµού είναι εφοδιασµένη µε µία ή περισσότερες γεννήτριες ανεξάρτητων τυχαίων (για την ακρίβεια ψευδοτυχαίων ) αριθµών στο διάστηµα [0,1]. Υπενθυµίζουµε εδώ ότι στην περίπτωση που η τυχαία µεταβλητή Τ είναι Pareto κατανεµηµένη µε παραµέτρους α και β, η παράµετρος τοποθεσίας α συµβολίζει την ελάχιστη τιµή της τυχαίας µεταβλητής Τ (σε αυτό το κεφάλαιο 0<α<1) και η παράµετρος σχήµατος β καθορίζει την εκρηκτικότητα της κατανοµής. Συγκεκριµένα, εάν β 2 η τυχαία µεταβλητή Τ έχει άπειρη διασπορά ενώ για β 1 η µέση τιµή είναι επίσης άπειρη. Είναι προφανές ότι η περιοχή των τιµών της παραµέτρου σχήµατος β που παρουσιάζει ενδιαφέρον για µας είναι β>1. Εάν 1<β 2, η κατανοµή της τυχαίας µεταβλητής Τ χαρακτηρίζεται από υψηλή εκρηκτικότητα, ενώ για τιµές β>2 η εκρηκτικότητα της κατανοµής βαίνει 18

19 µειούµενη. Στην περίπτωση Poisson αφίξεων, λ<1 είναι απαραίτητο για ευσταθή λειτουργία της ουράς. 3.3 Αποτελέσµατα προσοµοίωσης Η προσοµοίωση εκτελέστηκε σε UNIX σταθµό εργασίας SUN SPARCSTATION 5. Σε κάθε εκτέλεση της προσοµοίωσης (run) προσοµοιώθηκε η εξυπηρέτηση (µετάδοση) πακέτων. Σε όλες τις περιπτώσεις παρατηρήθηκε ότι η προσοµοίωση πακέτων εκτιµούσε κατά ικανοποιτικό τρόπο τα χαρακτηριστικά µόνιµης κατάστασης του συστήµατος. Ο προσοµοιωτής εκτιµά το ρυθµό αναχώρησης (εξυπηρέτησης) πακέτων από το σύστηµα (πρέπει να είναι ίσος µε τον ρυθµό άφιξης πακέτων στο σύστηµα µια και εξετάζουµε ευσταθή συστήµατα), τη µέση τιµή και τη διασπορά της καθυστέρησης πακέτων στην ουρά καθώς και τον συντελεστή µεταβλητότητας Cv,w της παραπάνω καθυστέρησης. Στη συνέχεια εξετάζεται η συµπεριφορά της καθυστέρησης πακέτων στην ουρά σαν συνάρτηση του ρυθµού αφίξεων πακέτων στο σύστηµα, και των άλλων χαρακτηριστικών της διαδικασίας αφίξεων για Pareto κατανεµηµένους χρόνους µεταξύ διαδοχικών αφίξεων πακέτων. Από τα αποτελέσµατα που παρουσιάζονται στον Πίνακα 3.1 παρατηρούµε ότι για σταθερή τιµή της παραµέτρου τοποθεσίας α, η µέση καθυστέρηση Wq αυξάνει καθώς αυξάνει ο ρυθµός αφίξεων πακέτων λ (πράγµα που επιτυγχάνεται µε σχετικές µικρές αυξήσεις της παραµέτρου σχήµατος β). Η παραπάνω συµπεριφορά είναι αναµενόµενη και σύµφωνη µε τη διαίσθηση. Παρατηρούµε επίσης την δραµατική αύξηση της µέσης καθυστέρησης Wq όταν ελλατώνουµε την παράµετρο τοποθεσίας α (όταν δηλαδή δίνουµε στην διαδικασία άφιξης πακέτων µικρότερο ελάχιστο χρόνο µεταξύ διαδοχικών αφίξεων). Ετσι στην ελάχιστη τιµή του α που εξετάσαµε, α=0.1, η µέση καθυστέρηση είναι της τάξης του Καθώς το α αυξάνεται, η µέση καθυστέρηση µειώνεται σηµαντικά, ακόµα και όταν ο ρυθµός άφιξης πακέτων είναι υψηλός (π.χ. για α=0.5 και λ=0.974 η µέση καθυστέρηση είναι Wq=0.483). Έχουµε ήδη πει όταν µιλήσαµε για την Pareto, ότι είναι πολύ εκρηκτική κατανοµή όταν η παράµετρος σχήµατος β είναι µικρότερη από 2 (όπου η διασπορά της 19

20 κατανοµής είναι άπειρη). Σε αυτή την περίπτωση, και για α σχετικά µικρό (π.χ. α=0.25), από τα αποτελέσµατα στον πίνακα 3.1 παρατηρούµε ότι είναι αρκετά υψηλή, ακόµα και για µικρούς ρυθµούς άφιξης πακέτων, ενώ ο συντελεστής µεταβλητότητας παίρνει µικρές τιµές (µικρότερες από την µονάδα σε όλες τις περιπτώσεις που περιέχονται στον Πίνακα 1). Για α σχετικά µεγάλο (π.χ. α 0.5) παρατηρούµε ότι η µέση καθυστέρηση πακέτου στην ουρά παίρνει πολύ µικρές τιµές (π.χ. Wq=0.483 για α=0.5 και λ=0.974), ενώ ο συντελεστής µεταβλητότητας παίρνει τιµές πολύ µεγαλύτερες της µονάδας και είναι φθίνουσα συνάρτηση των ρυθµών άφιξης πακέτων για ένα δεδοµένο α. Τέλος, όταν η παράµετρος σχήµατος β είναι µεγαλύτερη του 2, και το α αρκετά µεγάλο π.χ. α=0.67 ώστε ο ρυθµός άφιξης πακέτων να διατηρηθεί υψηλός, παρατηρούµε ότι η µέση καθυστέρηση Wq ελλατώνεται σηµαντικά φτάνοντας στην τάξη του Επίσης µε βάση τα αποτελέσµατα της προσοµοίωσης παρατηρούµε ότι η προβλεψιµότητα της καθυστέρησης στην ουρά ενός τυχαίου πακέτου µε βάση τη γνώση της µέσης καθυστέρησης είναι µηδαµινή, όταν το α γίνεται µεγάλο. Σε πολλές περιπτώσεις, για α 0.5, το πηλίκο της τυπικής απόκλισης δια της µέσης τιµής της καθυστέρησης (δηλ., η τετραγωνική ρίζα του συντελεστή µεταβλητότητας) είναι υπερβολικά µεγάλο, γεγονός που επιτρέπει στην καθυστέρηση ενός τυχαία επιλεγµένου πακέτου να µεταβάλλεται γρήγορα (rapid variation) γύρω από τη µέση τιµή της. Αυτό οδηγεί στο συµπέρασµα ότι για σχετικά µεγάλα α, γνωρίζοντας µόνο τις µέσες τιµές καθυστέρησης πακέτων, δεν µπορούµε να έχουµε σηµαντικές ελπίδες πρόβλεψης της καθυστέρησης ενός τυχαία επιλεγµένου πακέτου, µια και στη χειρότερη περίπτωση που παρατηρήσαµε η τελευταία µπορεί να είναι και 450 ( * ) φορές µεγαλύτερη από τη µέση τιµή. α β λ Cv,t Wq (U.B) (L.B) Cv,w E+3 (-121) E+3 (-1.454) E+4 (-6)

21 E+4 (-9.125) E+1 (-1.117) E+1 (-1.545) E+1 (-2) E+3 (-7) E+3 (-17) E-5 (-2) 2.05E E-2 (-5) 1.76E E-1 (-20) 5.6E E-5 ( 4.27) (-5.28) 5.12E E-3 (5.8) (-12.84) 1.65E E-2 (8.85) (-23) 0.70E E-6 (0.311) (-10.46) 2.1E E-5 (0.371) (-17.1) 1.03E+4 Πίνακας 3.1 Χαρακτηριστικά καθυστέρησης πακέτων στην ουρά σαν συνάρτηση των χαρακτηριστικών της διαδικασίας αφίξεων για Pareto κατανεµηµένους χρόνους µεταξύ αφίξεων. Σε παρένθεση φαίνονται τα θεωρητικά υπολογισµένα άνω και κάτω όρια στη µέση καθυστέρηση (όπου αυτά υπάρχουν). Από τον Πίνακα 3.1 επίσης παρατηρούµε ότι τα θεωρητικά υπολογισµένα όρια δεν µας βοηθούν καθόλου, µια και το κάτω όριο προκύπτει αρνητικό για όλες τις τιµές των παραµέτρων που µελετάµε, ενώ το πάνω όριο υπάρχει µόνο όταν η διασπορά των χρόνων µεταξύ αφίξεων είναι πεπερασµένη, δηλαδή όταν β>2, και σε αυτή την περίπτωση προκύπτει πολύ µεγαλύτερο από την εκτιµώµενη από τον προσοµοιωτή µέση τιµή Wq της καθυστέρησης. Στο δεύτερο στάδιο της µελέτης µας, θεωρήσαµε Poisson αφίξεις πακέτων στον κόµβο του δικτύου (δηλαδή εκθετικά κατανεµηµένους χρόνους µεταξύ αφίξεων πακέτων και ανεξάρτητους µεταξύ τους), µε ρυθµό άφιξης πακέτων λ. Σε κάθε εκτέλεση της προσοµοίωσης (run) προσοµοιώθηκε η εξυπηρέτηση (µετάδοση) 21

22 πακέτων.τα αποτελέσµατα της προσοµοίωσης για διάφορες τιµές του λ φαίνονται στον Πίνακα 3.2. Ρυθµός άφιξης πακέτων Wq Cv,w λ= (0.2142) λ= (0.3333) λ= (0.5) λ= (0.75) λ= (1.1666) λ= (2.0) λ= (4.5) Πίνακας 3.2 : Χαρακτηριστικα της καθυστέρησης πακέτων στην ουρά του M/D/1 συστήµατος εξυπηρέτησης σαν συνάρτηση του ρυθµού αφίξεων πακέτων λ. Εντός παρενθέσεως φαίνεται η θεωρητικά υπολογιζόµενη ακριβής τιµή του Wq. Καθώς ο ρυθµός αφίξεων πακέτων λ αυξάνει, αυξάνεται και η µέση καθυστέρηση πακέτων στην ουρά, η οποία όµως διατηρείται σε αρκετά χαµηλές τιµές αφού για λ=0.9 η µέση καθυστέρηση είναι µόλις 4.5, πράγµα γνωστό αφού όπως αναφέραµε, ο ακριβής θεωρητικός τύπος που δίνει τη µέση τιµή της καθυστέρησης πακέτου στην M/D/1 ουρά είναι γνωστός εδώ και πολλά χρόνια. Παρατηρούµε ακόµα την µείωση του συντελεστή µεταβλητότητας Cv,w µε την αύξηση του ρυθµού αφίξεων πακέτων λ. Η παραπάνω µείωση µπορεί να χαρακτηριστεί σαν αργή και οµαλή, οδηγώντας µας στο συµπέρασµα ότι γνωρίζοντας µόνο τις µέσες τιµές καθυστέρησης πακέτων στην ουρά, Wq έχουµε περισσότερες πιθανότητες πρόβλεψης της καθυστέρησης στην ουρά ενός τυχαία επιλεγµένου πακέτου όταν η ουρά είναι M/D/1 παρά όταν είναι P/D/1. Τέλος παρατηρούµε την καλή συµφωνία της θεωρητικά υπολογισµένης και της µέσω προσοµοίωσης εκτιµώµενης µέσης τιµής της καθυστέρησης πακέτων στην ουρά, Wq. Αυτό αποτελεί και µια ισχυρή ένδειξη ότι ο κώδικας του προσοµοιωτή µας µιµείται σωστά την λειτουργία της ουράς που καλείται να προσοµοιώσει. 22

23 Στη συνέχεια εξετάσαµε τον συντελεστή µεταβλητότητας της καθυστέρησης πακέτου στην ουρά, όταν το Cv,t=1 για την Pareto και την Poisson (στην Poisson έχουµε πάντα Cv,t=1) για την Pareto έχουµε ότι Cv,t= 1 ββ ( 2) οπότε για να έχουµε Cvin=1 πρέπει β= Eπίσης εξετάσαµε και περιπτώσεις όπου το Cv,t για την Pareto παίρνει τιµές διάφορες του ένα. Στον Πίνακα 3.3 παρουσιάζονται συγκεντρωµένα τα αποτελέσµατα (όλες οι περιπτώσεις που εξετάζονται έχουν β>2 ώστε το Cv,t της αντίστοιχης Pareto κατανοµής να είναι πεπερασµένο). Μεταβλητες λ,α,β Cv,t Pareto Cv,t poisson Cv,w Pareto Cv,w Poisson λ=0.8,α=0.688,β= Ε λ=0.9,α=0.611,β= E λ=0.8,α=0.654,β= Ε λ=0.8,α=0.681,β= Ε λ=0.9,α=0.606,β= Ε λ=0.9,α=0.582,β= Ε λ=0.9,α=0.74,β= Ε λ=0.8,α=0.833,β= Ε λ=0.9,α=0.67,β= Ε Πίνακας 3.3 Συντελεστής µεταβλητότητας του χρόνου αναµονής πακέτου στην ουρά σαν συνάρτηση του συντελεστή µεταβλητότητας των χρόνων µεταξύ αφίξεων διαδοχικών πακέτων στο σύστηµα. Aπό τα αποτελέσµατα στον Πίνακα 3.3 παρατηρούµε ότι ο συντελεστής µεταβλητότητας της καθυστέρησης πακέτων στην P/D/1 ουρά παίρνει ιδιαίτερα υψηλές τιµές (ακόµα και όταν ο συντελεστής µεταβλητότητας της κατανοµής Pareto των χρόνων µεταξύ άφιξης διαδοχικών πακέτων είναι ίσος µε την µονάδα (!)), σε αντίθεση µε τον αντίστοιχο συντελεστή µεταβλητότητας στην M/D/1 ουρά, ο οποίος διατηρείται σε τιµές γύρω στη µονάδα. Εδώ βέβαια οφείλουµε να τονίσουµε ότι σε όλες τις περιπτώσεις στον Πίνακα 3.3 (β>2, α>0.5), η µέση τιµή της καθυστέρησης 23

24 πακέτων στην P/D/1 ουρά είναι αµελητέα ακόµα και για τιµές του ρυθµού άφιξης πακέτων κοντά στην µονάδα. Το γεγονός αυτό ελαφρύνει την κατάσταση, µια και παρόλο ότι εκεί όπου το Cv,w είναι µεγάλο, η γνώση του Wq δεν αρκεί για να έχουµε ελπίδες πρόβλεψης στην ουρά της καθυστέρησης ενός τυχαία επιλεγµένου πακέτου, αυτό στην περίπτωση µας συµβαίνει εκεί όπου το Wq είναι αµελητέο. Έτσι ακόµα και στην περίπτωση που το Cv,w είναι της τάξης του 10 5, η καθυστέρηση ενός τυχαία επιλεγµένου πακέτου µπορεί να αποδειχθεί (σχετικά εύκολα) ότι παίρνει τιµές µικρότερες της µονάδας µε πολύ µεγάλη πιθανότητα. Τέλος, όσον αφορά την επίδραση του συντελεστή µεταβλητότητας των Pareto κατανεµηµένων χρόνων µεταξύ αφίξεων διαδοχικών πακέτων, Cv,t, στον συντελεστή µεταβλητότητας της καθυστέρησης πακέτων στην P/D/1 ουρά Cv,w, αυτή δεν φαίνεται να είναι ισχυρή, ούτε να ακολουθεί κάποιες τάσεις που θα µπορούσαµε να περιγράψουµε. Πιο συγκεκριµένα, από τους Πίνακες 3.1 και 3.3 παρατηρούµε ότι όταν το Cv,t=, το Cv,w παίρνει τιµές πολύ µικρότερες και πολύ µεγαλύτερες της µονάδας (πράγµα που εξαρτάται από την τιµή της παραµέτρου α). Όταν το Cv,t παίρνει πεπερασµένες τιµές, το Cv,w παίρνει γενικά υψηλές τιµές. 24

25 ΚΕΦΑΛΑΙΟ 4 4. ΜΕΛΕΤΗ ΧΑΡΑΚΤΗΡΙΣΤΙΚΩΝ ΤΗΣ ΚΑΤΑΝΟΜΗΣ ΚΑΘΥΣΤΕΡΗΣΗΣ ΜΗΝΥΜΑΤΩΝ ΣΤΙΣ P/G/1 KAI M/G/1 ΟΥΡΕΣ ΑΝΑΜΟΝΗΣ ΓΙΑ ΑΦΙΞΗΣ ΜΗΝΥΜΑΤΩΝ ΠΛΗΡΟΦΟΡΙΑΣ Στο κεφάλαιο αυτό µελετάµε τα χαρακτηριστικά της καθυστέρησης στην αναµονή (ουρά) για αφίξεις µηνυµάτων πληροφορίας, όταν ο κόµβος του δικτύου µοντελοποιείται σαν µια P/G/1 ουρά αναµονής (η ουρά δεν είναι πλέον P/D/1 διότι παρόλο που ο χρόνος εξυπηρέτησης ενός πακέτου είναι σταθερός και ίσος µε την µονάδα του χρόνου, ο χρόνος εξυπηρέτησης ενός µηνύµατος εξαρτάται από τον αριθµό των πακέτων που περιέχονται σε αυτό). Υπολογίζουµε επίσης αναλυτικά την µέση καθυστέρηση µηνύµατος στην ουρά για Poisson αφίξεις µηνυµάτων, δείχνοντας ότι το σύστηµα ανάγεται σε µια M/G/1 ουρά και χρησιµοποιώντας την φόρµουλα των Polaczek και Khintchine [6]. 4.1 Χαρακτηριστικά του συστήµατος ουράς αναµονής για αφίξεις µηνυµάτων. Στην περίπτωση άφιξης µηνυµάτων πληροφορίας τα διαθέσιµα άνω και κάτω όρια της καθυστέρησης µηνυµάτων στην G/G/1 ουρά συνεχίζουν να ισχύουν (βλέπε παράγραφο 3.1 αυτής της εργασίας). Οι ουρές που µελετάµε χαρακτηρίζονται από ντετερµινιστικούς χρόνους εξυπηρέτησης πακέτων, ίσους για όλα τα πακέτα µε µια σταθερά που ορίζεται σαν η µονάδα χρόνου µας. Τα αφικνώµενα µηνύµατα χωρίζονται σε σταθερού µήκους πακέτα. Ο αριθµός των πακέτων που αποτελούν το κάθε µήνυµα µπορεί να είναι σταθερός ή τυχαία µεταβλητή χαρακτηριζόµενη από µια κατανοµή. Στην εργασία 25

26 µας η κατανοµή που χαρακτηρίζει τον αριθµό πακέτων ανά µήνυµα είναι η γεωµετρική. Η προσέγγιση της µελέτης µας έχει ώς εξής. Εκτιµούµε µέσω προσοµοίωσης, την µέση τιµή και την διασπορά της καθυστέρησης µηνύµατος στην ουρά και σχολιάζουµε την συµπεριφορά που παρουσιάζει ο συντελεστής µeταβλητότητας της καθυστέρησης µηνυµάτων στην ουρά Cv,w, καθώς αυξάνεται ο ρυθµός άφιξης µηνυµάτων λ. Μελετάµε επίσης την επίδραση της εκρηκτικότητας της διαδικασίας αφίξεων µηνυµάτων στον κόµβο του δικτύου, στην εκρηκτικότητα της κατανοµής καθυστέρησης µηνυµάτων στην ουρά αναµονής. Τέλος, υπολογίζουµε αναλυτικά την µέση καθυστέρηση µηνύµατος στην περίπτωση Poisson αφίξεων µηνυµάτων στην ουρά, χρησιµοποιώντας την φόρµουλα Polaczek και Khintchine για την M/G/1 ουρά αναµονής. 4.2 Αποτελέσµατα προσοµοίωσης όταν ο αριθµός πακέτων ανά µήνυµα είναι σταθερός. Σε αυτό το τµήµα του κεφαλαίου παραθέτουµε και σχολιάζουµε τα αποτελέσµατα απο την προσοµοίωση της εξυπηρέτησης από τον κόµβο του δικτύου µεγάλου αριθµού µηνυµάτων, όταν οι χρόνοι µεταξύ διαδοχικών αφίξεων µηνυµάτων στην ουρά µοντελοποιούνται µε τη διαδικασία Pareto, ο αριθµός πακέτων ανά µήνυµα είναι σταθερός και ο χρόνος εξυπηρέτησης του κάθε µηνύµατος στον κόµβο είναι ίσος µε τόσες χρονικές µονάδες, όσες και ο αριθµός πακέτων του µηνύµατος. Ως καθυστέρηση µηνύµατος στην ουρά ορίζεται ο χρόνος από την άφιξη του µηνύµατος στην ουρά µέχρι τη στιγµή που αρχίζει η εξυπηρέτηση (µετάδοση) του πρώτου πακέτου του µηνύµατος. Οι καθυστερήσεις των µηνυµάτων στην περίπτωση χαµηλών ρυθµών γέννησης µηνυµάτων πληροφορίας ειναι χαµηλές. Σκοπός µας είναι να εκτιµήσουµε τη µέση τιµή και τη διασπορά της καθυστέρησης µηνυµάτων στην ουρά για διάφορες τιµές των παραµέτρων της κατανοµής αφίξεων µηνυµάτων, και να χαρακτηρίσουµε έτσι τη συµπεριφορά της κατανοµής της καθυστέρησης µηνυµάτων στην ουρά. Τέλος αναφέρουµε σε συντοµία την µέθοδο µε βάση την οποία ο προσοµοιωτής δηµιουργεί διαδικασίες άφιξης µηνυµάτων χαρακτηριζόµενες από Pareto κατανεµηµένους χρόνους µεταξύ αφίξεων διαδοχικών µηνυµάτων. Εάν Τ είναι η 26

27 τυχαία µεταβλητή που συµβολίζει τους παραπάνω χρόνους, τότε οι χρόνοι αυτοί µπορούν να γεννηθούν από τον τύπο Τ= α 1 β R όπου το R συµβολίζει τυχαίο αριθµό στο διάστηµα [0,1]. Η προσοµοίωση εκτελέστηκε σε UNIX σταθµό εργασίας SUN SPARCSTATION 5. Σε κάθε εκτέλεση της προσοµοίωσης (run) προσοµοιώθηκε η εξυπηρέτηση (µετάδοση) µηνυµάτων. Σε όλες τις περιπτώσεις παρατηρήθηκε ότι η προσοµοίωση µηνυµάτων εκτιµούσε κατά ικανοποιητικό τρόπο τα χαρακτηριστικά µόνιµης κατάστασης του συστήµατος. Ο προσοµοιωτής εκτιµά το ρυθµό αναχώρησης µηνυµάτων από το σύστηµα (πρέπει να είναι ίσος µε τον ρυθµό άφιξης µηνυµάτων στο σύστηµα), τη µέση τιµή και τη διασπορά της καθυστέρησης µηνυµάτων στην ουρά καθώς και τον συντελεστή µεταβλητότητας Cv,w της παραπάνω καθυστέρησης. Στη συνέχεια εξετάζεται η συµπεριφορά της καθυστέρησης µηνυµάτων στην ουρά σαν συνάρτηση του ρυθµού αφίξεων µηνυµάτων στο σύστηµα, και των άλλων χαρακτηριστικών της διαδικασίας αφίξεων για Pareto κατανεµηµένους χρόνους µεταξύ διαδοχικών αφίξεων µηνυµάτων. Παρατηρούµε ότι για σταθερή τιµή της παραµέτρου τοποθεσίας α, η µέση καθυστέρηση Wq αυξάνει καθώς αυξάνει ο ρυθµός αφίξεων µηνυµάτων λ (πράγµα που επιτυγχάνεται µε σχετικές µικρές αυξήσεις της παραµέτρου σχήµατος β). Παρατηρούµε επίσης την δραµατική αύξηση της µέσης καθυστέρησης Wq όταν ελλατώνουµε την παράµετρο τοποθεσίας α (όταν δηλαδή δίνουµε στην διαδικασία άφιξης µηνυµάτων µικρότερο ελάχιστο χρόνο µεταξύ διαδοχικών αφίξεων). Επίσης µε βάση τα αποτελέσµατα της προσοµοίωσης παρατηρούµε ότι για τιµές του α 1 και σχετικά υψηλές τιµές του ρυθµού άφιξης πακέτων, η προβλεψιµότητα της καθυστέρησης στην ουρά ενός τυχαίου µηνύµατος µε βάση τη γνώση της µέσης καθυστέρησης είναι µηδαµινή. Σε πολλές περιπτώσεις το πηλίκο της τυπικής απόκλισης δια της µέσης τιµής της καθυστέρησης είναι υπερβολικά µεγάλο γεγονός που επιτρέπει στην καθυστέρηση ενός τυχαία επιλεγµένου µηνύµατος να µεταβάλλεται απότοµα γύρω από τη µέση τιµή της.αυτό οδηγεί στο συµπέρασµα ότι γνωρίζοντας µόνο τις µέσες τιµές καθυστέρησης µηνυµάτων, δεν µπορούµε να 27

28 έχουµε σηµαντικές ελπίδες πρόβλεψης της καθυστέρησης ενός τυχαία επιλεγµένου µηνύµατος. Μελετήθηκαν οι περιπτώσεις όπου το µέγεθος του µηνύµατος είναι 2 πακέτα, 5 και 10 πακέτα, αντίστοιχα. Εκτός των αποτελεσµάτων της προσοµοίωσης, παρουσιάζονται τα θεωρητικά υπολογισµένα άνω και κάτω όρια στην µέση καθυστέρηση µηνύµατος στην ουρά (όπου αυτά είναι πεπερασµένα). Τα όρια αυτά προκύπτουν από τις (3.1) και (3.2) στην σελ. 15, όπου λ είναι ο ρυθµός άφιξης µηνυµάτων, σ 2 B =0 και ρ=λ*κ, µε κ το σταθερό µήκος του µηνύµατος. Στον παρακάτω πίνακα φαίνονται αναλυτικά τα αποτελέσµατα όταν το µέγεθος του µηνύµατος είναι 2 πακέτα. Παράµετροι α,β,λ Wq (µηνύµατος) (U.B) (L.B) Cv,w α=0.7, β=1.2, λ= Ε-1 α=0.8, β=1.5, λ= Ε Ε-1 α=1, β=1.8, λ= Ε Ε+2 α=1.1, β=2, λ= Ε Ε+2 α=1.5, β=3.8, λ= Ε-5 (7.41) (-43) 3.56 Ε+4 α=1.8, β=9, λ= Ε-4 (1.608) (-99.39) 9.59 Ε+3 α=1.9, β=19, λ=0, Ε-4 (2.997) (-998) Ε+4 Πίνακας 4.1. Μέση τιµή και συντελεστής µεταβλητότητας της καθυστέρησης µηνύµατος στην ουρά, όταν το µήκος µηνύµατος είναι ίσο µε 2 πακέτα. Το λ αντιστοιχεί στον ρυθµό άφιξης πακέτων. Παρατηρούµε ότι η καθυστέρηση διατηρείται σε χαµηλές τιµές εκτός απο τις περιπτώσεις οπού το α είναι πολύ µικρό (π.χ α=0.8) όπου οι καθυστερήσεις όπως έχουµε ήδη αναφέρει αυξάνονται δραµατικά καθώς ο ρυθµός άφιξης πακέτων λ αυξάνει. Στον παρακάτω πίνακα φαίνονται τα αποτελέσµατα όταν το µέγεθος του µηνύµατος είναι 5 πακέτα. 28

29 παράµετροι α, β, λ Wq (µηνύµατος) (U.B) (L.B) Cv,w α=2, β=1.5, λ= Ε Ε-1 α=2.5,β=1.8, λ= Ε+1 α=3, β=2, λ= Ε Ε+3 α=3.5, β=2.5, λ= Ε-3 (16.31) (-3.36) 3.6 Ε+3 α=4, β=3, λ= Ε-5 (5.985) (-11.48) 1.7 Ε+4 Πίνακας 4.2 Μέση τιµή και συντελεστής µεταβλητότητας της καθυστέρησης µηνύµατος στην ουρά, όταν το µήκος µηνύµατος είναι ίσο µε 5 πακέτα. Το λ αντιστοιχεί στον ρυθµό άφιξης πακέτων. Και εδώ επίσης παρατηρούµε ότι οι καθυστερήσεις διατηρούνται σε χαµηλές τιµές εκτός απο τις περιπτώσεις οπού το α είναι πολύ µικρό, π.χ α=2, όπου η µέση καθυστέρηση µηνύµατος είναι της τάξης του Στον Πίνακα 4.3 φαίνονται αναλυτικά τα αποτελέσµατα όταν το µέγεθος του µηνύµατος είναι 10 πακέτα. παράµετροι α,β,λ Wq (µηνύµατος) (U.B.) (L.B.) Cv,w α=4, β=1.5, λ= Ε Ε-1 α=5, β=1.8, λ= Ε Ε+2 α=6, β=2, λ= Ε Ε+4 29

30 α=7, β=3, λ= Ε-4 (11.97) (-22.96) 1.28 Ε+4 α=8, β=3, λ= Ε-4 (11.01) (-28.95) 1.22 Ε+4 α=9, β=2, λ= Ε Ε+4 α=9.5, β=1.5, λ= Ε Ε+4 Πίνακας 4.3 Μέση τιµή και συντελεστής µεταβλητότητας της καθυστέρησης µηνύµατος στην ουρά, όταν το µήκος µηνύµατος είναι ίσο µε 10 πακέτα. Το λ αντιστοιχεί στον ρυθµό άφιξης πακέτων. Παρατηρούµε ότι παίρνοντας ένα µεγάλο φάσµα τιµών του α η µέση τιµή της καθυστέρησης µηνύµατος στην ουρά µεταβάλλεται σηµαντικά. Έτσι όταν το α είναι πολύ µικρό π.χ. α=4 η καθυστέρηση είναι της τάξης του 10 2, ενώ για µεγαλύτερες τιµές του α η καθυστέρηση µειώνεται δραστικά. Από τους Πίνακες , παρατηρούµε ότι τα θεωρητικά υπολογισµένα άνω και κάτω όρια στην µέση καθυστέρηση µηνύµατος στην ουρά δεν βοηθούν για τους ίδιους λόγους που εξηγήθηκαν στην περίπτωση αφίξεων πακέτων (βλέπε σελ. 21). 4.3 Αποτελέσµατα προσοµοίωσης για γεωµετρικά κατανεµηµένο αριθµό πακέτων ανά µήνυµα. Σε αυτό το τµήµα του κεφαλαίου παραθέτουµε και σχολιάζουµε τα αποτελέσµατα απο την προσοµοίωση της εξυπηρέτησης από τον κόµβο του δικτύου µεγάλου αριθµού µηνυµάτων, όταν οι χρόνοι µεταξύ διαδοχικών αφίξεων µηνυµάτων στην ουρά είναι κατανεµηµένοι σύµφωνα µε τη κατανοµή Pareto, ο αριθµός πακέτων ανά µήνυµα είναι γεωµετρικά κατανεµηµένος και ο χρόνος εξυπηρέτησης του κάθε µηνύµατος στον κόµβο είναι ίσος µε τόσες χρονικές µονάδες όσες και ο αριθµός πακέτων του µηνύµατος Χαρακτηριστικά γεωµετρικής κατανοµής. 30

31 Έστω Τ τυχαία µεταβλητή. Η µεταβλητή Τ ακολουθεί την γεωµετρική κατανοµή µε παράµετρο γ όταν P(T=τ)=γ(1-γ) τ 0<γ<1, τ=0,1,2, (4.1) Η ονοµασία γεωµετρική προέρχεται από το γεγονός ότι οι ατοµικές πιθανότητες που υπολογίζονται από την (4.1) αποτελούν τους όρους φθίνουσας γεωµετρικής σειράς µε λόγο 1-γ. Η κατανοµή εφαρµόζεται στη διερεύνηση προβληµάτων στα οποία επαναλαµβάνεται ένα δυαδικό πείραµα και αντικείµενο µελέτης είναι ο αριθµός αποτυχιών τ που θα συµβούν µέχρι να έχουµε την πρώτη επιτυχία. Η µέση τιµή της τυχαίας µεταβλητής Τ είναι ίση µε Ε(Τ)= 1 γ ενώ η διασπορά της δίδεται από Var(T)= 1 γ 2 γ Η µέθοδος µε βάση την οποία ο προσοµοιωτής δηµιουργεί µηνύµατα χαρακτηριζόµενα από γεωµετρικά κατανεµηµένους αριθµούς πακέτων είναι ο εξής: ln R Τ= + 1 ln( 1 γ ) όπου γ η παράµετρος της κατανοµής και R τυχαίος αριθµός στο διάστηµα [0,1], [7] Αποτελέσµατα προσοµοίωσης και σύγκριση µε την περίπτωση σταθερού µεγέθους µηνύµατος. Ως καθυστέρηση µηνύµατος στην ουρά ορίζεται εδώ ο χρόνος από την άφιξη ενός µηνύµατος στο σύστηµα µέχρι τη στιγµή που ξεκινά η εξυπηρέτηση του πρώτου πακέτου του µηνύµατος. Σκοπός µας είναι να εκτιµήσουµε τη µέση τιµή και τη διασπορά της καθυστέρησης µηνυµάτων στην ουρά για διάφορες τιµές των παραµέτρων της κατανοµής αφίξεων µηνυµάτων, και για διάφορες τιµές της παραµέτρου γ της κατανοµής του αριθµού πακέτων ανά µήνυµα, και να χαρακτηρίσουµε έτσι τη συµπεριφορά της κατανοµής της καθυστέρησης µηνυµάτων στην ουρά. 31

32 Η µέθοδος µε βάση την οποία ο προσοµοιωτής δηµιουργεί τις αφίξεις µηνυµάτων είναι και εδώ ο ίδιος µε αυτόν στην παράγραφο 4.2. Και εδώ προσοµοιώσαµε µηνύµατα σε κάθε run. Ο προσοµοιωτής επίσης εκτιµά το ρυθµό αναχώρησης µηνυµάτων από το σύστηµα (πρέπει να είναι ίσος µε τον ρυθµό άφιξης µηνυµάτων στο σύστηµα), τη µέση τιµή και τη διασπορά της καθυστέρησης µηνυµάτων στην ουρά καθώς και τον συντελεστή µεταβλητότητας Cv,w της παραπάνω καθυστέρησης. Μελετήθηκαν οι περιπτώσεις όπου η µέση τιµή µεγέθους µηνύµατος είναι Ε(τ)=2, Ε(τ)=5 και Ε(τ)=10 πακέτα, αντίστοιχα. Στους Πίνακες παρουσιάζονται τα αποτελέσµατα της προσοµοίωσης καθώς και τα θεωρητικά υπολογισµένα άνω και κάτω όρια στην µέση καθυστέρηση µηνύµατος στην ουρά (όπου αυτά είναι πεπερασµένα). Τα όρια αυτά προκύπτουν από τις (3.1) και (3.2) στην σελ. 15, όπου το λ είναι ο ρυθµός άφιξης µηνυµάτων, σ 2 B = 1 γ 2 και ρ=λ/γ. γ Παρατηρούµε ότι και εδώ ισχύουν οι ίδιες παρατηρήσεις που κάναµε στην παράγραφο 4.2. Έτσι, για σταθερή τιµή της παραµέτρου τοποθεσίας α, η µέση καθυστέρηση Wq αυξάνει καθώς αυξάνει ο ρυθµός αφίξεων µηνυµάτων (πράγµα που επιτυγχάνεται µε σχετικές µικρές αυξήσεις της παραµέτρου σχήµατος β). Παρατηρούµε επίσης την δραµατική αύξηση της µέσης καθυστέρησης Wq όταν ελλατώσουµε την παράµετρο τοποθεσίας α (όταν δηλαδή δώσουµε στην διαδικασία άφιξης µηνυµάτων µικρότερο ελάχιστο χρόνο µεταξύ διαδοχικών αφίξεων). Επίσης µε βάση τα αποτελέσµατα της προσοµοίωσης παρατηρούµε ότι σε αντίθεση µε τα αντίστοιχα αποτελέσµατα στην παράγραφο 4.2, η προβλεψιµότητα της καθυστέρησης στην ουρά ενός τυχαίου µηνύµατος µε βάση τη γνώση της µέσης καθυστέρησης είναι καλή. Σε πολλές περιπτώσεις το πηλίκο της τυπικής απόκλισης δια της µέσης τιµής της καθυστέρησης είναι κοντά στην µονάδα γεγονός που επιτρέπει στην καθυστέρηση ενός τυχαία επιλεγµένου µηνύµατος να µεταβάλλεται αργά γύρω από τη µέση τιµή της. Αυτό οδηγεί στο συµπέρασµα ότι γνωρίζοντας µόνο τις µέσες τιµές καθυστέρησης µηνυµάτων, µπορούµε να έχουµε σηµαντικές ελπίδες πρόβλεψης της καθυστέρησης ενός τυχαία επιλεγµένου µηνύµατος. Συγκρίνοντας τα αποτελέσµατα στις παραγράφους 4.2 και 4.3, παρατηρούµε ότι η τιµή της µέσης καθυστέρησης µηνύµατος στην ουρά στην περίπτωση που ο 32

33 αριθµός των πακέτων ανά µήνυµα είναι σταθερός είναι σηµαντικά µικρότερη από αυτήν στην περίπτωση που ο αριθµός πακέτων ανά µήνυµα είναι γεωµετρικά κατανεµηµένος. Αυτό το αποτέλεσµα είναι αναµενόµενο και σύµφωνο µε τη διαίσθηση, µια και στην περίπτωση ντετερµινιστικών χρόνων εξυπηρέτησης µηνυµάτων εκλείπει ένας βαθµός τυχαιότητας από το σύστηµα. Ταυτόχρονα παρατηρούµε ότι ο συντελεστής µεταβλητότητας της καθυστέρησης µηνύµατος στην ουρά παρουσιάζει αντίθετη συµπεριφορά από την µέση καθυστέρηση.αυτό το αποτέλεσµα συµφωνεί µε παρατηρήσεις που έχουν γίνει σε παρόµοια συστήµατα, όπου παρατηρήθηκε ότι καθώς αυξάνει η τιµή της µέσης καθυστέρησης µειώνεται η µεταβλητότητα των καθυστερήσεων των επί µέρους µηνυµάτων γύρω από αυτήν. Από τους Πίνακες , παρατηρούµε ότι τα θεωρητικά υπολογισµένα άνω και κάτω όρια στην µέση καθυστέρηση µηνύµατος στην ουρά δεν βοηθούν για τους ίδιους λόγους που εξηγήθηκαν στην περίπτωση αφίξεων πακέτων (βλέπε σελ. 21). Παράµετροι α,β,λ Wq (µηνύµατος) (U.B.) (L.B.) Cv,w α=0.7, β=1.2, λ= Ε Ε-1 α=0.8, β=1.5, λ= Ε Ε-1 α=1, β=1.8, λ= Ε Ε-1 α=1.1, β=2, λ= Ε Ε-1 α=1.5, β=3.8, λ= Ε+1 (31.91) (-43) 1.05 α=1.8, β=9, λ= Ε+1 (52.146) (-99.38) 1.1 α=1.9, β=19, λ=0, Ε+1 (502.49) (-998) 6.7 Πίνακας 4.4 Μέση τιµή και συντελεστής µεταβλητότητας µηνύµατος στην ουρά, όταν ο µέσος αριθµός πακέτων ανά µήνυµα είναι 2. Το λ αντιστοιχεί σε ρυθµό άφιξης πακέτων. Παράµετροι α,β,λ Wq (µηνύµατος) (U.B.) (L.B.) Cv,w α=2, β=1.5, λ= Ε Ε-1 33